机械零件表面缺陷检测方法

在机械零件加工以及使用过程中，机械零件表面会产生裂纹等缺陷，这些缺陷严重影响着机械零件表面质量;因此，对这些机械零件表面质量监测有着重要意义。然而，传统的监测方法是由人工离线抽检完成，这种方法依赖于检验人员的检验，不能实时发现产生的缺陷。图像检测技术可以通过对所采集图像的进行图像处理，从而实现在线检测，而基于图像处理的检测技术关键在于图像处理算法。

目前，基于图像处理的机械零件表面缺陷检测方法很多。别针对刀具、带钢、齿轮、轴承等的机械零件表面缺陷检测提出了空间域检测方法(边缘检测法、零均值化法)和小波域的检测算法等。其中，零均值化方法是通过构造零均值化图，并采用阀值分割出缺陷区域，这种算法虽然简单，但检测缺陷区域误差较大;边缘检测方法是通过检测缺陷边缘实现对缺陷的检测，这种方法只能提取缺陷的大致边缘，不能检测出完整缺陷区域;小波域的检测算法是利用小波分解使正常区域信息与缺陷区域信息相分离，从而实现缺陷区域的检测。

然而，缺陷区域分割好坏很大程度上依赖小波滤波器构造的性能，如何构造小波滤波器是研究的难点问题，目前没有统一的方法。

事实上，人类视觉系统在有先验知识的前提下，总是在视野中搜索与先验知识相匹配的检测目标特征，并对这些目标进行优先处理，这就是人类具有的检测机制。如果将这种机制引入到机械零件表面缺陷检测中，利用缺陷特征作为机械零件缺陷检测条件，就有可能把注意力集中到缺陷所在的区域，从而避免环境因素对检测的影响，实现对缺陷区域的准确分割。为此，采用检测目标特征设定分割阈值，实现对机械零件表面缺陷的准确分割。